简介：一套开箱即用的CSMA类MAC协议仿真工具，同时提供Matlab和Python两套完整可运行代码。Matlab部分包含mp2_2.m、main.m、poisson2d.m等核心脚本，支持1000/2000/10000节点规模下的未改动与参数调整版本对比，已导出对应PNG图像（如未改动2000.png、改动10000.png等），直观呈现吞吐量、冲突率及时延变化趋势；Python部分位于pythoncode目录，通过input_network.txt灵活配置网络节点数、信道带宽、帧长等参数，main.py为主执行入口；配套使用说明.txt明确列出Matlab R2018a+和Python 3.7+环境要求，以及numpy、matplotlib依赖项，详细说明各脚本作用、运行顺序、输入格式规范和典型报错应对方法；所有图像文件命名清晰、结果可复现，适合用于高校计算机网络、无线通信或物联网相关课程实验、课程设计及自主验证学习，使用者需具备基本编程能力与OSI二层协议基础认知。
1. 项目概述：为什么你需要一套双平台CSMA仿真工具包？
在计算机网络教学与协议研究中，CSMA类MAC协议（载波侦听多路访问）几乎是绕不开的“第一道硬门槛”。学生刚学完OSI模型第二层，翻开教材看到“节点监听信道→发现空闲→发送数据→碰撞检测→退避重传”这一连串动作时，往往脑中只有抽象流程图；而真正动手写一个能跑起来、能调参数、能看懂吞吐量怎么掉下去、冲突率怎么跳上去的仿真器，却常常卡在Matlab语法报错、Python随机数种子不一致、或者根本不知道poisson2d.m里那个二维泊松分布生成器到底在模拟什么物理场景。我带过七届通信工程和物联网方向的课程设计，每年都有至少三分之一的学生，在“CSMA/CD仿真实验”环节卡在环境配置、脚本依赖或结果不可复现上——不是不会原理，而是缺一个能立刻打开、改两行参数、三秒出图、五秒看懂趋势的实操载体。
这套工具包就是为解决这个“最后一公里”问题而生的。它不是教科书式的理论推导，也不是论文级的高精度建模，而是一个面向教学验证与工程直觉培养的轻量级仿真沙盒。核心关键词“CSMA仿真”“MAC协议”“Matlab代码”“Python代码”“网络性能”，每一个都对应着真实教学场景中的痛点：CSMA仿真需要兼顾随机性与可重复性；MAC协议建模必须体现竞争、冲突与退避的本质逻辑；Matlab代码要能直接在R2018a及以上版本运行，不依赖Toolbox黑箱；Python代码则需摆脱Jupyter Notebook的碎片化，用纯脚本+配置文件方式实现参数解耦；最终所有“网络性能”指标——吞吐量（单位时间成功传输的有效比特数）、冲突率（帧碰撞次数占总发送尝试的比例）、平均接入时延（从生成帧到成功发送的时间均值）——必须以PNG图像形式直观呈现，且命名规则清晰（如“未改动2000.png”明确指向2000节点、默认参数），杜绝“图对不上参数”的混乱。
它适合三类人：一是高校教师，可直接嵌入《计算机网络》《无线通信原理》实验课，省去调试环境、编写模板代码的时间；二是本科生做课程设计，无需从零造轮子，专注理解协议行为与参数敏感性；三是自学网络协议的工程师，想快速验证“如果我把退避窗口上限从1024改成512，吞吐量会损失多少？”这类具体问题。你不需要精通排队论或随机过程，但得知道什么是帧、什么是信道、什么叫“监听失败”；你不需要会写GUI，但得会改input_network.txt里的数字、会看main.py里print输出的中间状态。换句话说，这套工具包的起点，是“已经翻过课本第3章”的人，终点是“能指着图像说‘看，这里冲突率突增，说明节点密度超出了信道承载极限’”的那一刻。
2. 整体设计思路：为什么是双平台？为什么是CSMA/CD而非纯CSMA？
2.1 双平台并非炫技，而是教学闭环的必然选择
很多人第一反应是：“Matlab和Python各写一套，是不是重复劳动？” 实际上，这恰恰是本工具包最核心的设计智慧。Matlab和Python在协议仿真中扮演着完全不同的角色，强行统一反而削弱教学价值：
-
Matlab是“原理可视化引擎”：它的强项在于矩阵运算天然契合网络拓扑建模（比如用NxN邻接矩阵表示节点间信号传播延迟），plot函数一行就能画出平滑曲线，poisson2d.m里用
rand(N,1)生成泊松到达时间戳再排序，几行代码就完成符合通信系统假设的随机事件序列。更重要的是，Matlab R2018a是高校实验室最普及的版本，几乎所有计算机网络实验室机房都预装，学生拷贝过去就能跑，不存在pip install失败、conda环境冲突等“第一道心理防线”。 -
Python是“参数工程化接口”：当学生想系统性地测试“节点数从500到5000每隔500步变化时吞吐量如何响应”，Matlab脚本需要手动改循环变量、保存不同路径的figure，而Python通过input_network.txt配置文件+main.py主控逻辑，天然支持批量参数扫描。
input_network.txt里只写四行：
NODE_COUNT=2000 CHANNEL_BANDWIDTH=10e6 FRAME_LENGTH_BITS=1200 MAX_BACKOFF_SLOT=1024
就完成了全部参数注入。这种“配置即代码”的思想，正是现代网络仿真框架（如NS-3、OMNeT++）的基础范式。让学生从第一天就接触这种工程习惯，比单纯画图更有长远价值。
二者不是替代关系，而是互补：Matlab负责“单点精准验证”（比如固定2000节点，深挖退避算法细节），Python负责“多维参数探索”（比如扫节点数、帧长、带宽三个维度）。工具包目录里matlabcode/和pythoncode/严格隔离，避免任何跨语言依赖，确保任一平台崩溃都不影响另一套运行——这是教学稳定性底线。
2.2 为什么锚定CSMA/CD，而非更“时髦”的CSMA/CA？
关键词里写的是“CSMA类MAC协议”，但正文明确指向CSMA/CD（带冲突检测）。这不是技术保守，而是教学逻辑的精准卡位。CSMA/CA（带冲突避免）是Wi-Fi的核心，但它引入了RTS/CTS握手机制、NAV（网络分配向量）等额外状态机，初学者极易陷入“为什么发个帧还要先问两次许可”的困惑。而CSMA/CD的逻辑链条极短：监听→空闲→发→边发边听→听到冲突→停发→退避→重试。这个“边发边听”的物理层反馈机制，完美对应以太网同轴电缆时代的真实硬件行为，也使得仿真模型可以高度简化：只要在发送过程中，检查是否有其他节点在同一时刻开始发送（即时间戳重叠），即可判定冲突。
工具包中mp2_2.m的核心冲突判定逻辑只有三行：
% 假设node_i在t_start_i时刻开始发送，持续time_duration_i
% node_j在t_start_j时刻开始发送，持续time_duration_j
overlap = (t_start_i < t_start_j + time_duration_j) && ...
(t_start_j < t_start_i + time_duration_i);
if overlap && (abs(t_start_i - t_start_j) < 1e-9) % 时间精度内视为同时启动
collision_count = collision_count + 1;
end
这种基于时间戳重叠的判定，既规避了复杂信道传播模型，又保留了CSMA/CD最本质的竞争特性。而poisson2d.m生成的二维泊松点过程，则用于模拟节点在平面区域内的随机空间分布——这直接影响信号传播延迟，进而决定“监听是否及时”（即能否在发送前检测到其他节点信号）。当节点数从1000增至10000，空间密度上升，传播延迟差异变大，“监听空闲”误判概率增加，冲突率自然攀升。这种空间分布→传播延迟→监听失效→冲突上升的因果链，正是理解CSMA/CD可扩展性瓶颈的关键，也是所有图像（如“未改动10000.png”中冲突率陡升）背后的物理根源。
3. 核心模块解析：Matlab与Python代码如何协同建模CSMA行为？
3.1 Matlab部分：从poisson2d.m到main.m的建模链条
Matlab代码的执行流非常清晰，遵循“空间建模→事件生成→协议执行→结果统计”四步链：
-
poisson2d.m：构建物理空间底座
这个脚本不直接参与协议逻辑，却是整个仿真的基石。它接收节点总数N和区域边长L（默认1000米），生成N个服从二维均匀分布的坐标点，并计算任意两点间的欧氏距离矩阵D。关键点在于：它不生成“位置”，而是生成“距离”。因为CSMA/CD的冲突判定只依赖于“信号能否在发送前到达”——即节点i发送的信号，传播到节点j所需时间delay_ij = D(i,j)/c（c为光速量级，此处简化为常数）。poisson2d.m输出的距离矩阵，被后续脚本直接用于计算所有节点对的传播延迟，从而决定“监听有效性”。 -
mp2_2.m：CSMA/CD协议内核
这是真正的“心脏”脚本。它接收poisson2d.m输出的距离矩阵、节点数N、帧长、信道速率等参数，执行以下循环：
- 每个节点独立生成泊松到达过程（用exprnd(1/lambda)模拟帧间间隔）；
- 到达后，先“监听”：检查在自身发送起始时刻t_i之前，是否有其他节点j的信号已传播至本节点（即t_j + delay_ji < t_i）。若存在，则信道忙，进入退避；
- 若监听空闲，则立即发送，并在发送过程中持续监听：若在t_i到t_i + frame_time期间，收到任何其他节点k的信号（t_k < t_i + frame_time && t_k + delay_ki > t_i），则判定冲突；
- 冲突后，执行二进制指数退避：backoff_slots = randi([0, 2^k-1]) * slot_time，k为冲突次数（上限10）。
这里有个易忽略的细节：mp2_2.m中slot_time（时隙长度）被设为frame_time/2，这是为了匹配经典以太网标准（512比特时隙）。很多学生改参数时只调FRAME_LENGTH_BITS，却忘了同步调整slot_time，导致退避时间失真——这点在“注意事项”板块会重点强调。
main.m：调度与可视化中枢
它不包含协议逻辑，只做三件事：① 调用poisson2d.m生成空间模型；② 循环调用mp2_2.m多次（默认10次）取平均，消除随机波动；③ 调用plot系列函数绘制三张主图：X轴为节点数（1000/2000/10000），Y轴分别为吞吐量（Mbps）、冲突率（%）、平均时延（ms）。所有PNG图像（如未改动2000.png）均由它导出，命名规则严格绑定参数组合。
提示：
test.m是独立验证脚本，仅含3个节点、手动设定坐标和发送时间，用于快速检验mp2_2.m的冲突判定逻辑是否正确。当你修改mp2_2.m后，务必先跑test.m，确认基础逻辑无误再投入大规模仿真。
3.2 Python部分：input_network.txt驱动的配置化仿真
Python代码位于pythoncode/目录，结构极度精简：main.py是唯一入口，input_network.txt是唯一配置源，无任何硬编码参数。这种设计让参数变更成本趋近于零：
-
input_network.txt的字段语义
文件采用键值对格式，每行一个参数，注释以#开头：
# 网络规模参数 NODE_COUNT=2000 # 总节点数（整数） AREA_SIZE=1000 # 区域边长（米），正方形区域 # 信道与帧参数 CHANNEL_BANDWIDTH=10e6 # 信道带宽（Hz），影响最大吞吐量 FRAME_LENGTH_BITS=1200 # 帧长（比特），决定发送时长 PROPAGATION_SPEED=2e8 # 信号传播速度（m/s），光速量级 # 协议参数 MAX_BACKOFF_RETRY=10 # 最大重传次数（超过则丢弃帧） INITIAL_BACKOFF_WINDOW=2 # 初始退避窗口大小（时隙数） SLOT_TIME=512 / CHANNEL_BANDWIDTH # 时隙长度（秒），经典以太网512比特时隙
关键洞察：SLOT_TIME被定义为表达式而非固定值，这意味着当你修改CHANNEL_BANDWIDTH或FRAME_LENGTH_BITS时，时隙长度自动按比例缩放，保持协议时序一致性。这是Matlab脚本做不到的灵活性。 -
main.py的执行逻辑
它读取input_network.txt后，核心流程与Matlab一致，但实现更贴近工程实践：
python # 1. 解析配置 → 生成节点坐标（调用自定义poisson_2d()函数） # 2. 构建传播延迟矩阵delay_matrix[i][j] = distance[i][j] / PROPAGATION_SPEED # 3. 主仿真循环： for node_id in range(NODE_COUNT): # 生成泊松到达时间戳列表 arrivals = generate_poisson_arrivals(rate=lambda_val, duration=sim_time) for t_arrive in arrivals: # 执行CSMA/CD监听-发送-冲突检测逻辑（封装在csma_cd_node()函数中） result = csma_cd_node(node_id, t_arrive, delay_matrix, config) stats.update(result) # 累计吞吐量、冲突数、时延 # 4. 计算最终指标并绘图（使用matplotlib）
所有中间状态（如每个节点的发送时间、冲突事件列表）均可通过添加print()或写入日志文件调试。相比Matlab的“黑箱式”plot，Python的透明性更适合调试复杂场景。
4. 实操全流程：从环境搭建到结果解读的完整 walkthrough
4.1 环境准备与首次运行（5分钟搞定）
Matlab环境（R2018a+）
1. 下载工具包，解压后进入matlabcode/目录；
2. 启动Matlab，将当前路径设为matlabcode/；
3. 在命令行输入main，回车——等待约2分钟（2000节点规模），自动弹出三张图表并保存PNG；
4. 查看生成的未改动2000.png：X轴为节点数，Y轴为吞吐量（Mbps），你会看到一条先升后降的曲线，峰值约在1500节点处，这正是CSMA/CD的“最优负载点”。
Python环境（3.7+）
1. 确保已安装numpy和matplotlib（pip install numpy matplotlib）；
2. 进入pythoncode/目录；
3. 用文本编辑器打开input_network.txt，确认NODE_COUNT=2000；
4. 终端执行python main.py，等待约90秒，终端输出类似：
Simulation completed for 2000 nodes. Throughput: 7.24 Mbps | Collision Rate: 18.3% | Avg Delay: 1.42 ms Plot saved as throughput_vs_nodes.png
5. 查看生成的throughput_vs_nodes.png，对比Matlab的未改动2000.png，二者曲线形态应高度一致（允许±5%数值误差，源于随机种子差异）。
注意：首次运行若报错
ModuleNotFoundError: No module named 'numpy'，请勿直接复制粘贴错误信息到搜索引擎——这是Python新手最常见陷阱。正确做法是：在终端输入python -c "import sys; print(sys.version)"确认Python版本，再执行pip list | grep numpy检查是否已安装。很多学生因虚拟环境未激活而反复失败，务必在pythoncode/目录下执行which python确认当前Python解释器路径。
4.2 参数修改实战：三步定位性能瓶颈
假设你想探究“为什么10000节点时冲突率飙升至45%？是退避策略太弱，还是空间密度太高？”——以下是标准排查路径：
第一步：验证空间密度影响（固定协议，变区域大小）
- 修改input_network.txt：将AREA_SIZE=1000改为AREA_SIZE=2000（区域扩大一倍，密度减半）；
- 运行python main.py；
- 对比新旧collision_rate.png：若冲突率从45%降至28%，说明原始高冲突主因是空间密度过大导致监听失效；若变化微小（<3%），则问题在协议层。
第二步：强化退避策略（固定空间，变协议参数）
- 在input_network.txt中，将MAX_BACKOFF_RETRY=10改为15，INITIAL_BACKOFF_WINDOW=2改为4；
- 注意：SLOT_TIME保持自动计算，无需改动；
- 运行后观察：吞吐量可能小幅下降（因更多重传占用信道），但冲突率应显著降低——这验证了退避窗口扩张的有效性。
第三步：Matlab交叉验证（确保结论普适）
- 进入matlabcode/，打开main.m，找到设置节点数的行（如N = 10000;），改为N = 10000; AREA_SIZE = 2000;；
- 修改mp2_2.m中退避相关参数（搜索backoff关键字）；
- 运行main，对比Python结果。若两者趋势一致，结论可信；若偏差大，检查poisson2d.m中距离计算是否与Python的poisson_2d()函数逻辑一致（这是跨平台结果差异的最高发区）。
4.3 图像结果深度解读：不止看曲线，要看拐点背后的物理意义
工具包导出的所有PNG图像，命名即蕴含解读线索。以改动2000.png为例（2000节点、修改了退避参数）：
-
吞吐量曲线（Throughput）：横轴是仿真时间（秒），纵轴是瞬时吞吐量（Mbps）。你会看到剧烈波动——这是CSMA/CD的典型特征：大量节点竞争导致“爆发式发送→集体冲突→信道沉默→再次爆发”。曲线的均值（图中虚线）才是有效吞吐量，而波动幅度反映协议公平性：幅值越大，说明少数节点垄断信道，多数节点长期饥饿。
-
冲突率曲线（Collision Rate）：横轴同为时间，纵轴是滚动窗口（如100ms）内的冲突占比。重点关注首次突破20%阈值的时间点——这标志着网络从“轻载”进入“重载”状态。若该点提前（如在5秒就突破），说明参数设置过于激进（如退避窗口太小）。
-
时延曲线（Delay）：横轴是帧序号（Frame ID），纵轴是该帧从生成到成功发送的耗时（ms）。正常情况应呈“U型”：早期帧因竞争少，时延低；中期帧遭遇高峰冲突，时延飙升；后期因部分节点退避超限被丢弃，竞争减弱，时延回落。若出现持续高位平台（如全程>5ms），则表明网络已饱和，需扩容或优化协议。
实操心得：我曾指导学生做课程设计，有人把
FRAME_LENGTH_BITS从1200改成12000（10倍），结果吞吐量不升反降。原因在于：长帧占据信道时间过长，其他节点监听到“信道忙”后被迫等待，导致整体利用率下降。这印证了一个反直觉结论：在CSMA/CD中，帧长存在最优值，过长或过短均损害吞吐量。工具包的价值，正在于让你亲手撞上这个“坑”，然后从图像中读懂它。
5. 常见问题与独家排错指南：那些文档没写的坑，我都替你踩过了
5.1 Matlab高频报错与根因分析
| 报错信息 | 根本原因 | 一键修复方案 |
|---|---|---|
Undefined function or variable 'poisson2d' | 当前路径未设为matlabcode/，或poisson2d.m文件名被意外修改（如加了空格） | 在Matlab命令行输入pwd确认路径，用ls列出文件，确保文件名严格为poisson2d.m（注意大小写） |
Index exceeds matrix dimensions（发生在mp2_2.m第87行） | NODE_COUNT设为奇数，而poisson2d.m生成的坐标矩阵索引越界 | 将NODE_COUNT改为偶数（如2000），或修改poisson2d.m中floor(N/2)相关逻辑（不推荐新手改） |
图像Y轴显示1e3科学计数法，数值难以辨认 | main.m中plot函数未启用ticklabelformat('plain') | 在main.m的plot命令后添加yticklabelformat('plain')，重新运行 |
5.2 Python运行异常处理手册
-
ValueError: array must not contain infs or NaNs
这通常源于input_network.txt中PROPAGATION_SPEED被设为0或负数，导致delay_matrix出现无穷大。检查配置文件，确保所有数值参数为正数。 -
matplotlib绘图中文乱码（方块□）
这是Python生态经典问题。在main.py开头添加：
python import matplotlib matplotlib.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] matplotlib.rcParams['axes.unicode_minus'] = False
并确保系统已安装对应字体（Windows自带SimHei，Mac需安装Arial Unicode MS）。 -
仿真耗时过长（>10分钟）
默认sim_time=10秒，但节点数超5000时，事件数量呈平方级增长。临时提速方案：在main.py中将sim_time=10改为sim_time=2，牺牲统计精度换取调试速度。正式报告前再切回10秒。
5.3 跨平台结果不一致的终极排查清单
当Matlab与Python输出的吞吐量相差>10%，按此顺序检查：
-
随机种子：Matlab默认随机数生成器与Python的
random模块不同。在Matlab的main.m开头添加rng(12345)，在Python的main.py开头添加random.seed(12345)，强制二者使用相同随机序列。 -
距离计算精度：
poisson2d.m用sqrt((x_i-x_j)^2 + (y_i-y_j)^2)，而Python的poisson_2d()函数若用math.hypot()则精度更高。统一改为math.sqrt()确保一致。 -
时间精度处理：Matlab用
double类型时间戳，Python用float。在Python中将所有时间计算转为numpy.float64，例如np.float64(t_arrive)。 -
冲突判定阈值：Matlab中
abs(t_start_i - t_start_j) < 1e-9，Python中需用abs(t_i - t_j) < 1e-9，确保浮点比较阈值相同。
我踩过的最深的坑：某次Matlab结果吞吐量稳定在7.2Mbps，Python却只有5.8Mbps。排查三天后发现，Python的
SLOT_TIME计算中，CHANNEL_BANDWIDTH=10e6被解析为10000000.0，而Matlab中10e6是精确的10000000，微小浮点误差导致退避时间累积偏差。解决方案是在Python中强制写为CHANNEL_BANDWIDTH=10000000——看似笨拙，却是跨平台可复现的黄金法则。
6. 教学延伸与自主拓展：如何用这套工具包做出有深度的课程设计？
工具包本身是“脚手架”，真正的价值在于你如何在其上搭建自己的研究。以下是三个经过验证的拓展方向，附带可直接落地的技术路径：
6.1 方向一：CSMA/CD vs CSMA/CA 的公平性对比实验
- 目标：验证为何Wi-Fi（CSMA/CA）在高密度场景比以太网（CSMA/CD）更抗冲突。
-
操作：
1. 在Python中新增csma_ca_node()函数，实现RTS/CTS握手机制（发送前先发RTS，收到CTS才发数据帧）；
2. 复用input_network.txt，新增PROTOCOL_MODE=ca开关；
3. 对同一组参数（2000节点、1000米区域），分别运行CD与CA模式；
4. 绘制“节点ID vs 成功发送帧数”散点图——CD模式会呈现明显长尾（少数节点霸占信道），CA模式则更均匀。 -
教学价值：直观展示“冲突避免”如何通过增加控制开销来换取公平性，呼应OSI模型中“控制面与用户面分离”的设计哲学。
6.2 方向二：动态退避算法的性能优化
- 目标：传统二进制指数退避（BEB）在高负载下效率低下，尝试线性退避（LB）或自适应退避（AB）。
-
操作：
1. 修改mp2_2.m中的退避逻辑，将randi([0, 2^k-1])替换为randi([0, k*10])（LB）；
2. 在main.m中增加对比模式，循环调用不同退避策略；
3. 关键指标：不仅看吞吐量，更关注“95%分位时延”——BEB下该值可能高达50ms，而AB可压至15ms。 -
教学价值：让学生理解“算法复杂度”与“实际性能”的非线性关系，破除“越复杂越好”的迷思。
6.3 方向三：真实拓扑导入（从泊松分布到城市地图）
- 目标：将仿真从理想化的均匀分布，升级为基于OpenStreetMap的真实校园WiFi热点分布。
-
操作：
1. 用Python的osmnx库下载某大学地理边界，提取建筑轮廓；
2. 将poisson2d.m替换为realistic_placement.m，使节点坐标服从建筑内部密度分布（如图书馆高密度、操场低密度）；
3. 重新运行仿真，对比“泊松分布”与“真实分布”下的冲突率曲线——你会发现真实分布因空间遮挡导致局部冲突热点，这是纯数学模型无法捕捉的。 -
教学价值：打通“理论模型”与“物理世界”的最后一环，培养学生用工程思维审视抽象协议的能力。
这套工具包的终极意义，不在于它提供了多少行代码，而在于它为你铺设了一条从“知道CSMA是什么”到“亲手调参让网络跑得更好”的可信路径。当我看到学生第一次指着改动10000.png说“老师，我把退避窗口翻倍后，冲突率从45%降到29%，但吞吐量只涨了0.3Mbps，说明这里存在收益递减”，我知道，那个抽象的MAC协议，已经真正活在了他的认知里。
简介：一套开箱即用的CSMA类MAC协议仿真工具，同时提供Matlab和Python两套完整可运行代码。Matlab部分包含mp2_2.m、main.m、poisson2d.m等核心脚本，支持1000/2000/10000节点规模下的未改动与参数调整版本对比，已导出对应PNG图像（如未改动2000.png、改动10000.png等），直观呈现吞吐量、冲突率及时延变化趋势；Python部分位于pythoncode目录，通过input_network.txt灵活配置网络节点数、信道带宽、帧长等参数，main.py为主执行入口；配套使用说明.txt明确列出Matlab R2018a+和Python 3.7+环境要求，以及numpy、matplotlib依赖项，详细说明各脚本作用、运行顺序、输入格式规范和典型报错应对方法；所有图像文件命名清晰、结果可复现，适合用于高校计算机网络、无线通信或物联网相关课程实验、课程设计及自主验证学习，使用者需具备基本编程能力与OSI二层协议基础认知。
扫一扫
173
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
